Ambarella公司总部位于加州圣克拉拉，以芯片闻名。近日，它宣布了一个新的机器人平台，该平台基于其用于人工智能处理的CVflow架构。此外，它还与亚马逊网络服务签署了一项协议，以简化用其芯片设计产品的过程，有助于训练机器学习模型。

Ambarella将在CES 2020上，以单个CV2芯片的形式展示该平台的最高级版本，该芯片将执行立体处理(最高4Kp30或多个1080p30对)、对象检测、关键点跟踪、占用网格和视觉里程测量。该公司表示，这种高水平的计算机视觉性能与安巴雷拉的先进图像处理技术相结合，可以使机器人设计比传统的机器人架构更简单、更强大。

公司高级营销总监杰罗姆·吉格特表示，该技术将先进的成像能力与高性能的计算机视觉CVflow架构相结合，从而产生更智能、更高效的消费和工业机器人。平台支持Linux操作系统，同时也支持ThreadX实时操作系统，为那些需要功能性安全的产品提供支持，并且提供了一个完整的工具包，用于图像调优、神经网络移植和计算机视觉算法开发。此外，它还支持机器人操作系统，便于开发和可视化。

Ambarella和AWS通过整合Ambarella工具链和Amazon SageMaker Neo云服务来简化流程。现在，开发人员可以简单地将他们训练过的模型带到Amazon SageMaker Neo，并为Ambarella cvflow芯片自动优化模型。预设的结果是：

客户可以使用MXNet、TensorFlow、PyTorch或XGBoost构建ML模型，并在云中或本地机器上使用Amazon SageMaker培训模型。然后他们将模型上传到AWS账户，并使用Amazon SageMaker Neo为Ambarella soc优化模型。它们可以选择CV25、CV22或CV2作为编译目标。Amazon SageMaker Neo将经过训练的模型编译成可执行文件，针对Ambarella的CVflow神经网络加速器进行优化。

编译器应用了一系列的优化后，可以使模型在Ambarella SoC上运行快2倍。客户可以下载编译后的模型并将其部署到他们装备了Ambarella的设备上。优化后的模型运行在Amazon SageMaker Neo运行时中，该运行时专门为Ambarella SoCs构建，可用于Ambarella SDK。

Amazon SageMaker Neo运行时占用的磁盘和内存不足TensorFlow、MXNet或PyTorch的10%，这使得在连接的相机上部署ML模型的效率大大提高。